近日，建筑與藝術(shù)學(xué)院教師張雨洋、梁瑋男在國際知名環(huán)境健康期刊《Environmental Research》發(fā)表了題為《Predicting highly dynamic traffic noise using rotating mobile monitoring and machine learning method》（使用旋轉(zhuǎn)移動(dòng)監(jiān)測和機(jī)器學(xué)習(xí)方法預(yù)測高動(dòng)態(tài)交通噪聲）的最新研究成果（doi.org/10.1016/j.envres.2023.115896）。《Environmental Research》在Webof Science收錄的325種環(huán)境科學(xué)期刊中排名第19，IF=8.431,是中科院2區(qū)TOP期刊，JCR-Q1期刊。我校為第一作者單位，張雨洋博士為第一作者。
以高度波動(dòng)性為特征的交通噪聲是世界上第二大環(huán)境問題。高度動(dòng)態(tài)的噪聲地圖對于管理交通噪聲污染具有較高價(jià)值，但在創(chuàng)建這些地圖時(shí)存在兩個(gè)關(guān)鍵困難：缺乏大量精細(xì)的噪聲監(jiān)測數(shù)據(jù)和在沒有噪聲監(jiān)測數(shù)據(jù)的情況下精準(zhǔn)預(yù)測噪聲水平的能力。本研究提出了一種新的噪聲監(jiān)測方法--旋轉(zhuǎn)移動(dòng)監(jiān)測（或稱為重復(fù)固定監(jiān)測）法，它結(jié)合了固定和移動(dòng)監(jiān)測方法的優(yōu)點(diǎn)，擴(kuò)大了噪聲數(shù)據(jù)的空間范圍和時(shí)間分辨率。
本研究在北京海淀區(qū)進(jìn)行了一次監(jiān)測活動(dòng)，覆蓋了54.79公里的道路和22.15平方公里的總面積，從152個(gè)固定采樣點(diǎn)收集了18213個(gè)1s間隔的A加權(quán)等效噪聲（LAeq）測量值。此外，還從所有移動(dòng)監(jiān)測道路和固定地點(diǎn)收集了街景圖像、氣象數(shù)據(jù)和建筑環(huán)境數(shù)據(jù)。使用計(jì)算機(jī)視覺和GIS分析工具，在四個(gè)類別中測量了49個(gè)預(yù)測變量，包括微觀交通組成、街道形式、土地利用和氣象。訓(xùn)練了六個(gè)機(jī)器學(xué)習(xí)模型和線性回歸模型來預(yù)測LAeq，其中隨機(jī)森林模型表現(xiàn)最好（R2 = 0.72，RMSE = 3.28 dB），其次是K-近鄰回歸模型（R2 = 0.66，RMSE = 3.43 dB）。最佳的隨機(jī)森林模型確定了到主要道路的距離、街道綠視率指數(shù)和過去3秒內(nèi)汽車的最大視野比例為排名前三的貢獻(xiàn)因素。最后，該模型被應(yīng)用于生成研究區(qū)域的點(diǎn)和街道層面的9天交通噪聲地圖。該研究很容易復(fù)制，可以擴(kuò)展到更大的空間范圍，以獲得高度動(dòng)態(tài)的噪聲地圖。
全文鏈接:
https://www.sciencedirect.com/science/article/abs/pii/S0013935123006886?via%3Dihub
引用格式：
Zhang, Y., Zhao, H., Li, Y., Long, Y., & Liang, W. (2023). Predicting highly dynamic traffic noise using rotating mobile monitoring and machine learning method.Environmental Research, 115896.
編輯：左芳舟
